MétaCan
Menu
Retour à la cohorte
Enregistrement W4412638341 · doi:10.15789/2220-7619-mrv-17899

Modeling respiratory viral infections actual in the first quarter of the XXI century: from primary epithelial cultures to organoids

2025· article· en· W4412638341 sur OpenAlexaboutno aff
Т. А. Кузнецова, Anastasia Anatolievna Mikhalko, E. М. Shchelkanov, Sergey P. Kryzhanovsky

Notice bibliographique

RevueRussian Journal of Infection and Immunity · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrganoidQuarter (Canadian coin)Respiratory systemCoronavirus disease 2019 (COVID-19)VirologyBiologyMedicineGeographyInternal medicineInfectious disease (medical specialty)Cell biologyDisease

Résumé

récupéré en direct d'OpenAlex

Respiratory viral infections pose a serious public health issue resulting in high morbidity and mortality, as well as profound socioeconomic losses. Therefore, it accounts for a need to research respiratory viral infections immunopathogenesis, development of effective vaccines and antiviral drugs, as well as measures to monitor viral infections. The aim of the review is to analyze current methods for modeling respiratory viral infections ex vivo. Material and methods. There were analyzed current data regarding development and application of models based on primary epithelial cells (PECs) derived from various anatomical sites of the human respiratory tract (RT) and 3D cell cultures. For this, there were assessed 158 publications retrieved from the main databases (Web of Science, PubMed, Scopus, Elsevier, Google Scholar and RSCI until January 2025) by querying the keywords: respiratory viruses; primary airway epithelium cultures; organoids; immunopathogenesis; tropism; cellular receptors; cytokines. Results and discussion. The analysis showed that models based on PECC are widely used in virological studies of respiratory viral infections, which, however, is coupled to certain disadvantages. More advanced are RT 3D models (organoids or mini-organs, spheroids, “organs on a chip”), which allow not only to reproduce infectious processes, but also to study immunopathogenesis taking into account the immunometabolic and immunoneurological status. Using RT PECs and 3D models, the properties of a number of respiratory viruses actual in the first quarter of the XXI century (influenza and parainfluenza, pneumoviruses, coronaviruses, rhinoviruses, bocaviruses, adenoviruses) such as tissue tropism, receptor interactions and innate immune response were assessed. Moreover, we also present information on promising models for respiratory viral infections that reproduce essential aspects of RT physiology. Conclusion. The primary biotechnological aim for virological studies of respiratory viral infections is to generate a multiparameter, reproducible and cost-effective RT modeling system that imitates its morphological and functional structure.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,319
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRussian Journal of Infection and ImmunityMême sujetRespiratory viral infections researchTravaux en français237 207